La evaluación del crédito personal juega un papel crucial en el sistema financiero, ya que no solo se relaciona con las actividades financieras de los individuos, sino que también afecta al sistema crediticio general y a la salud económica de la sociedad. Sin embargo, el problema actual de desequilibrio de datos que afecta los resultados de clasificación en el campo de la evaluación del crédito personal no ha sido completamente resuelto. Con el fin de resolver este problema de manera más efectiva, proponemos un algoritmo de clasificación mejorado basado en una Red Neuronal Convolucional de Píxeles (PixelCNN) y una Red Generativa Antagónica (Wasserstein GAN, WGAN). En primer lugar, los datos históricos que contienen la información de préstamos de los prestatarios se transforman en mapas en escala de grises; luego, se realiza una mejora de datos de imágenes predeterminadas utilizando el modelo mejorado PixelCNN-WGAN; y finalmente, el conjunto de datos de imágenes ampliado se introduce en las CNN, AlexNet, SqueezeNet y MobileNetV2 para la clasificación. Los resultados en el conjunto de datos real de LendingClub muestran que el algoritmo de mejora de datos diseñado en este documento mejora la precisión de los cuatro algoritmos en un 1.548-3.568% en comparación con el conjunto de datos original, lo que puede mejorar efectivamente el efecto de clasificación de los datos de crédito, y en cierta medida, proporciona una nueva idea para la tarea de clasificación en el campo de la evaluación del crédito personal.